Julianna Ianni, Vice President, AI Research & Development, Proscia – Interviewreeks

Julianna Ianni leidt Proscia’s AI R&D om hoogwaardige computergestuurde pathologieproducten te ontwikkelen. Proscia duwt laboratoria voorbij de beperkingen van traditionele instrumenten met zijn Concentriq^® digitale pathologieplatform en pijplijn van computergestuurde toepassingen. Deze technologieën transformeren de economie en de praktijk van pathologie, waardoor de kracht van moderne, gegevensgedreven geneeskunde wordt ingezet in de strijd tegen kanker.

Kunt u het verhaal achter Proscia delen?

Pathologie staat centraal in biomedisch onderzoek en kankerdiagnose; toch is pathologie grotendeels onveranderd gebleven in zijn 150-jarige geschiedenis. Het draait nog steeds om een patholoog die patronen in weefsel onder de microscoop herkent. Deze praktijk is inherent manusueel en subjectief, twee uitdagingen die verder worden verergerd door een krimpende populatie pathologen en een toenemende kankerlast.

Proscia is opgericht om deze standaard van zorg te verbeteren. Onze oprichters zagen een kans om de strijd tegen kanker aan te gaan door de overgang van pathologie van microscoop naar beelden te stimuleren. Door digitale pathologie te stimuleren, maken we het mogelijk voor laboratoria om hun operaties te stroomlijnen, significante verbeteringen in kwaliteit en productiviteit te bereiken en nieuwe inzichten te ontgrendelen die niet zichtbaar zijn voor het menselijk oog. Collectief helpen deze voordelen onderzoekers om doorbraken te versnellen en pathologen om de resultaten voor patiënten over de hele wereld te verbeteren.

Sinds onze vroege dagen hebben we een klantenbestand opgebouwd van toonaangevende laboratoria, gezondheidszorgsystemen, levenswetenschapsbedrijven en onderzoeksorganisaties. Onder onze vele enterprise-klanten werken we samen met Johns Hopkins University, de Universiteit van Pennsylvania en 10 van de top 20 farmaceutische bedrijven. We hebben onlangs ook aangekondigd dat LabPON, het eerste laboratorium ter wereld dat 100% digitale pathologiediagnose heeft bereikt, overstapt op ons softwareplatform, en het Joint Pathology Center, dat de grootste repository van humane weefselgegevens ter wereld herbergt, gaat digitaal met Proscia.

Proscia is een digitaal en computergestuurd pathologiebedrijf. Kunt u onze lezers uitleggen wat dit betekent?

Op hoog niveau is digitale pathologie de praktijk van het digitaliseren van glazen microscooplides met een scanner, die vervolgens kunnen worden bekeken, beheerd, gedeeld en geanalyseerd met software, waaronder computergestuurde toepassingen die AI gebruiken.

Proscia richt zich specifiek op de softwarekant van de dingen. We bieden een kernplatform aan, genaamd Concentriq, dat alle ondernemingsfunctionaliteit biedt die laboratoria nodig hebben voor het uitvoeren van hun routinepathologieoperaties. Concentriq dient ook als lanceerplatform voor AI-toepassingen, waaronder een reeks oplossingen die we aan het ontwikkelen zijn.

Ik heb veel van de voordelen van AI-gestuurde digitale pathologie genoemd, waaronder het stimuleren van efficiëntie en productiviteitswinsten en de mogelijkheid om nieuwe inzichten te ontgrendelen, dus laten we dieper ingaan op enkele specifieke gebruikscases om te zien hoe deze zich ontwikkelen. Een daarvan is het mogelijk maken van remote-operaties tijdens COVID. Aangezien laboratoria zich hebben aangepast aan nieuwe manieren van werken om sociale afstand te waarborgen, heeft digitale pathologie het mogelijk gemaakt voor pathologen om door te werken en patiënten te dienen, aangezien het hen in staat stelt om gemakkelijk beelden te delen en op aanvraag te bekijken met een platform als Concentriq.

Kunt u uitleggen hoe machine learning wordt gebruikt in pathologie vandaag? Waar gaat het heen?

Dat is een grote vraag! Machine learning heeft veelbelovende resultaten laten zien in een aantal gebieden in pathologie. Een veelvoorkomend gebruik van machine learning in pathologie is om specifieke gebieden in een beeld te identificeren waar tumorweefsel aanwezig is om de aandacht van een patholoog daarop te vestigen. Het kan ook worden gebruikt om kwantitatieve inzichten over weefselmonsters te leveren – bijvoorbeeld door het aantal cellen dat actief deelneemt aan celdeling (een veelvoorkomend kenmerk van kanker) te tellen. Sommigen werken ook aan classificatieproblemen, zoals het categoriseren van beelden op basis van diagnose of specifieke patronen die ze vertegenwoordigen, en anderen werken aan manieren om machine learning te gebruiken om de resultaten van patiënten te voorspellen of te reageren op specifieke therapieën. Er is zo veel interessant werk gaande in het veld!

Proscia’s DermAI maakt gebruik van diepe leerlingen om honderden varianten van huidziekten vooraf te selecteren en automatisch te classificeren in voor-diagnostische categorieën. Wat waren uw belangrijkste overwegingen bij het ontwerpen en ontwikkelen van deze toepassing?

Ten eerste moesten we overwegen wat we het systeem wilden laten doen. We wilden dat het in staat zou zijn om elke huidlaesie te classificeren, niet alleen een specifiek type. En er is heel veel variatie in huidpathologie, zoals u zei, honderden varianten. Dus we moesten ervoor zorgen dat we al die variatie goed vertegenwoordigd hadden in onze trainingsset. Dit kan eigenlijk best lastig zijn, omdat sommige soorten laesies zeldzamer zijn dan andere, en het kan moeilijk zijn om een dataset te bouwen die genoeg voorbeelden van sommige van deze zeldzamere pathologieën bevat om mee te trainen en ervoor te zorgen dat we genoeg voorbeelden hadden voor ons model om van te leren.

DermAI werd gevalideerd in een van de meest uitgebreide studies in pathologie tot nu toe. Kunt u de studie en de belangrijkste bevindingen samenvatten?

Dit was een studie van extreem ambitieuze omvang. Zoals ik net noemde, is er een enorm veel variatie in huidlaesies, wat zich vertaalt in de corresponderende pathologiebeelden, en we wilden een systeem ontwikkelen dat elke routinematig voorbereide huidpathologieslide kon automatisch classificeren – van elk laboratorium en elke scanner. Het idee was dat pathologen het konden gebruiken om gevallen te sorteren en te triëren voordat ze gingen zitten om een diagnose te stellen – prioriteit geven aan gevallen in een volgorde die zin heeft, in plaats van in de willekeurige volgorde waarin ze natuurlijk binnenkomen, en ervoor zorgen dat de juiste gevallen naar de juiste patholoog gaan, in plaats van dat ze later ergens anders naartoe gestuurd moeten worden. En niemand had iets laten zien dat hier zelfs maar in de buurt kwam toen we een paar jaar geleden met de ontwikkeling van dit begonnen. Het systeem dat we ontwikkelden, brak de taak van het classificeren van beelden op in meerdere fasen met behulp van een combinatie van diepe leerlingen en basiscomputervisietechnieken – het detecteren van weefsel op de slide, het aanpassen van de beeldweergave zodat het in een vertrouwde ruimte staat voor het getrainde systeem, het detecteren van de relevante gebieden van interesse en ten slotte het maken van een classificatie in vier verschillende categorieën op basis van de patronen in het weefsel.

Een van de observaties in de studie was hoe diepe leerlingen algoritmen gevoelig kunnen zijn voor beeldartefacten. Wat zijn deze beeldartefacten in dit geval en wat zijn enkele oplossingen om dit probleem op te lossen?

Ja, enkele studies hebben aangetoond dat AI-systemen gevoelig zijn voor beeldartefacten in pathologie, net als in elk ander veld. Dit zijn vaak eenvoudige dingen die onze menselijke hersenen gemakkelijk over het hoofd zien – vuil op een slide, kleine veranderingen in verlichting, vage gebieden in een beeld, peninkt die pathologen vaak gebruiken om gebieden van tumor te markeren. Ik noem een paar voorbeelden, maar er zijn ontelbare anderen. AI-systemen kunnen gemakkelijk door dit soort problemen worden misleid als ze niet goed zijn blootgesteld aan hen.

Hoe worden AI-toepassingen zoals DermAI geïmplementeerd in het pathologielaboratorium?

Dat is een geweldige vraag. Terwijl verschillende laboratoria verschillende benaderingen volgen, geloven we dat de enige manier waarop laboratoria hun AI-adoptie echt kunnen schalen, is door een AI-geactiveerd platform te gebruiken. Zoals ik hierboven beschreef, draaien de digitale pathologieoperaties van laboratoria om een platform dat ze gebruiken voor het bekijken, beheren en analyseren van beelden. Proscia’s platform, Concentriq, biedt al deze functionaliteit en dient ook als lanceerplatform voor AI-toepassingen. We geloven dat deze benadering het laboratoria gemakkelijk maakt om AI in de praktijk te implementeren, door het naadloos te integreren in hun dagelijkse werk, zodat ze het kunnen gebruiken op grote schaal en zijn ware potentieel kunnen benutten.

Is er nog iets dat u wilt delen over Proscia?

Ik ben echt enthousiast over het werk dat mijn team en ik doen. De ongelukkige realiteit van vandaag is dat we allemaal iemand kennen die door kanker is getroffen en de aanzienlijke impact die het heeft op hen en hun dierbaren. Ons werk heeft het potentieel om de resultaten van patiënten te verbeteren en echt een significante verschil te maken. Dit is iets waar ik trots op ben om deel van uit te maken.

Om die reden is het geweldig om te zien dat veel toonaangevende organisaties ook in het werk geloven dat we doen. In de afgelopen paar maanden alleen heeft het Joint Pathology Center (JPC), dat de grootste repository van humane weefselgegevens ter wereld herbergt, Proscia geselecteerd om deze archief te digitaliseren. JPC heeft verschillende redenen om digitaal te gaan, waaronder het versnellen van de ontwikkeling van AI. LabPON, het eerste laboratorium ter wereld dat 100% digitale pathologiediagnose heeft bereikt, heeft onlangs ook Proscia’s platform geselecteerd om zijn pathologieoperaties te schalen en de basis te leggen voor de implementatie van AI. LabPON zal ook met ons samenwerken aan de ontwikkeling en validatie van onze AI-systemen. En ten slotte erkennen we dat we de praktijk van pathologie niet alleen kunnen transformeren en zijn we constant ons team aan het uitbreiden. Als u geïnteresseerd bent om bij ons te komen, moedig ik u aan om meer te leren over Proscia en onze openstaande rollen te bekijken.